a-star

启发式搜索 1. 相关概念 在宽度优先和深度优先搜索里面，我们都是根据搜索的顺序依次进行搜索，可以称为盲目搜索，搜索效率非常低。 而启发式搜索则大大提高了搜索效率，由这两张图可以看出它们的差别： 什么是启发式搜索（ heuristic search ） 用当前与问题有关的信息作为启发式信息，这些信息是能够提升查找效率以及减少查找次数的。 我们定义了一个估价函数 h(x) 用于估计状态 x 到 终点 的 代价 起始状态到 x 状态所花的代价，我们称为 g(x) 令 F(x)=g(x)+h(x) ，作为我们的搜索依据。 你要从 x 走到目的地，那么 h(x) 就是你感觉或者目测大概要走的距离， h*(x) 则是你到达目的地后，发现你实际走了的距离。你预想的距离一定是比实际距离短，或者刚好等于实际距离的值。这样我们称你的 h(x) 是可纳的，是乐观的。 2. A*图示过程 方格左下角为 G(x) 为起点到 x 的步数，右下角为 H(x) 为 x 到终点的预估值，这里选的是曼哈顿距离，右上角为 F(x)=G(x)+H(x) 估价函数。绿色点为起点，黑点为墙，红点为终点。起点相邻四个点进 open 表，并计算出 F 值。 继续选择 open 列表中 F 值最小的节点，此时最小节点有两个，都为 4 。这种情况下选取哪一个都是一样的，不会影响搜索算法的效率。因为启发式相同

esp8089 功能：wifi station、softap、wifi direct 接口类型：SDIO 编译模式：编成模块方式 需要支持esp80889 wifi，内核必须支持MAC80211。配置如下： 上述配置之后，才能看到 Eagle esp8089 wifi 配置选项。 BoardConfig.mk android4.4\device\softwinner\astar-y3\ BoardConfig.mk 文件决定android 加载哪一款wifi 模组， 要配置成使用esp8089 模组需要把BoardConfig.mk 文件的相关代码修改成如下。 说明： 1、“#”符号起注释作用； 2、“#BOARD_WIFI_VENDOR := realtek”指明不使用realtek 系统wifi 模组； 3、“#BOARD_WIFI_VENDOR := broadcom”指明不使用broadcom 系统wifi 模组； 4、 “BOARD_WIFI_VENDOR := espressif”、“BOARD_WLAN_DEVICE := esp8089”指明使 用espressif系列esp8089模组； init.sun8i.rc android4.4\device\softwinner\astar-y3\ init.sun8i.rc 是资源和服务配置相关的文件，使用

前言： 有一次学长在电话面试，碰巧我在周围的课桌上刷题，然后就（偷）听到了面试的内容。。。 ~ 记忆比较深的就是面试官特意问了 A ∗ A^* A ∗ 算法（那么多算法里偏偏挑了 A ∗ A^* A ∗ ，一定是特别的缘分）； ~ 这位学长是ACM队里的大佬，现在已经保研，但是被问到 A ∗ A^* A ∗ 算法的时候也楞了一下， ~ 毕竟这个算法接触的比较少，我之前也是大概懂个原理，没写过代码； ~ 碰巧这几天做了个 A ∗ A^* A ∗ 的题，简单记录一下。 一、启发式搜索（可略过） 1.1 介绍 启发式搜索要用到问题自身的某些特性信息，以指导搜索朝着最有希望的方向前进。由于这种搜索针对性较强，因而原则上只需要搜索问题的部分状态空间，效率较高。 1.2 启发性信息 可用于指导搜索过程，且与具体问题求解有关的控制性信息。 陈述性启发信息 ：一般被用于更准确、更精练地描述状态，使问题的状态空间缩小，如待求问题的特定状况等属于此类信息。 过程性启发信息 ：一般被用于构造操作算子，使操作算子少而精，如一些规律性知识属于此类信息。 控制性启发信息 ：它是关于表示控制策略方面的知识，包括协调整个问题求解过程中所使用的各种处理方法、搜索策略、控制结构等有关的知识。 1.3 估价函数 用于估价节点重要性或“有希望”程度的函数称为估价函数。 其一般形式为： f ( x ) = g ( x )

　 http://www.cnblogs.com/LBSer/p/4612031.html 1 背景 　　如下图所示，1、2、3这三个点是汽车的GPS定位结果，尽管汽车是在道路上，但定位结果与道路存在偏差。地图匹配（Map Matching）是指将行车轨迹的经纬度采样序列与数字地图路网匹配的过程，其本质上是平面线段序列的模式匹配问题（ Alt等，2003）。 　　在实际应用中，GPS采样信号的质量会严重影响地图匹配结果：采样频率的降低、定位误差的加大、信号的丢失，都会使匹配的不准确性增加。这些情况在实际应用中经常出现。如何在这些情况下仍能保持较高的路径匹配准确率是个值得研究的问题。 　　2012年ACM SIGSPATIAL首次设立的竞赛，其内容就是地图匹配。三年前本人有幸和国防科大的杨岸然博士一同参加了该竞赛，收获良多。本博文也就是对参加竞赛的工作做一个简要的总结回顾，想要代码参考的朋友可以在下面留下邮箱，并注明用途。 　　 2 地图匹配算法综述 2.1 以使用到的信息来划分 　　现有的算法可被分成四类：几何、拓扑、概率、高级。 　　a）基于几何的算法考虑GPS点与道路的几何信息，如距离、角度等； 　　b）基于拓扑的算法使用道路拓扑信息来控制； 　　c）概率方法通过考虑GPS点的概率； 　　d）高级的算法往往综合考虑使用全面信息，有卡尔曼滤波、模糊逻辑模型、隐式马尔可夫模型等等。

google插件fq教程 思路 谷歌浏览器的应用市场 上有很多vp恩插件，不过要能访问谷歌浏览器的应用市场就得fq出去才行，而有一个很棒的插件就可以访问谷歌的旗下的一些东西，例如邮箱，Google搜索，应用市场...但这个插件只能访问这些，其他的东西就不行了。但只要应用市场能用就足够了。 步骤一下载插件 这个插件只能使用谷歌的旗下产品，而不能达到真正的fq目的,看yutube上facebook都不行。我们下载这个插件。下载地址如下 链接：https://pan.baidu.com/s/1bWClkyiV54RSPrYSaKtWfA 提取码：0gt1 下载解压后打开google浏览器的扩展程序 打开开发者模式 加载已解压的扩展程序找到你解压的那个文件夹加载进来就可以了 安装好启动之后就可以打开应用商店了。 注意这个插件要求首页需要改到hao123才能永久有效，不过我们只是用来下载另一个fq插件用的所以就不设了，当天有效就足够了，当然喜欢hao123做主页的也可以设置，设置主页就不详细说了，很简单的东西。 步骤二搜索astar 添加上astar就可以了 安装好之后如下，点开就可以了，之前的那个插件可以在扩展程序关掉或者删除即可 记得使用astar的时候关掉之前的那个插件否则会冲突 如果某一个地区的不好用了换一个，新加坡的挺好用的 步骤三测试 打开yutube测试结果，如下 关注 分享

修改了上次的代码，现在支持室内的多楼层情况下的最短路径搜索，还是使用A*算法，把在GraphAdjList中VNode没有利用起来的data字段作为我们存储楼层属性的位置。 实际上是我偷懒了，正常情况下VNode里应该再加一个int level属性，而data还是作为绑定用户想添加任意类型的数据的一个位置来使用，这样例如当用户想对任意节点添加String类型的描述时，声明GraphAdjList<String>即可，但现在我们的GraphAdjList只能声明为GraphAdjList<Integer>，因为我们把data作为楼层属性来使用，名存实亡的模板类hh。 用户添加节点时使用GraphAdjList.insertVex(E v,int index,int x,int y)，v 楼层，index 节点的唯一序列号(从1开始，符合生活习惯)，x,y是点坐标，添加边的操作与上次不变。 需要注意的是，在我们的A*代码中，f=g+h,启发函数h设置的可能不是很理想，我们仍旧沿用了x,y的曼哈顿距离，未考虑楼梯口位置和层数等因素的影响，如果遇到起点终点都在所属层的中心位置，楼梯电梯在每层的边缘，搜索方向会先往中心扩展，直到没有结果时，才会往边缘扩展，随后扩展到楼上或楼下，在这种情况下效率可能不佳，但仍旧能获得最短路径。简而言之，就是在我们现在设计的h下

如题，这篇博客就讲一讲最短路以及其它 乱七八糟 的处理路径的问题 至于邻接表，邻接矩阵，有向边和无向边等基础概念之类的这里就不过多阐述了，不会的话建议先在其他dalao的博客或者书上面学习（请多谅解） 最短路 首先讲最短路，因为最短路比较基础，而且在图论中也应用较多，在学习了最短路只会就可以继续往后面学习了，如果您已经学习过了，可以直接跳到后面的最长路和次短路中 最短路，在一个图中，求一个地方到另一个地方的最短路径。联系到我们之前学过的 广度优先搜索 中，也可以处理类似的问题，所以我们先想一想广度优先搜索的一些思想—— 队列 。所以在接下来的最短路算法中，或多或少的会涉及到队列 单源最短路径 单源最短路径，就是指在一个图中，给你一个起点（起点固定），然后终点不是固定的，求起点到任意终点的最短路径。这里会涉及到3种算法，以下用$dis[]$表示起点到任意终点的最短距离 1. Bellman-Ford算法 时间复杂度：O(nm) 给定一个图，对于图中的某一条边(x,y,z)，x和y表示两个端点，z表示连接两条边的边权，如果有所有边都满足dis[y]≤dis[x]+z，则dis[]数组的值就是要求的最短路径 这个算法的流程就是基于以上的式子进行操作的： 1.扫描所有的边，如果有 d[y]>d[x]+z ，则 d[y]=d[x]+z （这也被叫做松弛操作） 2.重复以上的操作

写在前面:上一篇当时是非常简单的了解一下A*，昨天还有一些问题没解决，就暂时把自己查阅的文坛摘抄了过来（毕竟人家写的比我要好的多 :> ） 今天终于解决了，就又写了这一篇，正好我自己再梳理一遍，把Unity的实现也记录一下（Unity版本：2019.3.7.f1） ==================================================================================== 一、Unity UI表现实现 　　UI制作很简单，如下图 　　 Canvas 　　　　 　　　　UGUI画布（参考官网文档） 　　　　我这边主要是在上面挂载一个寻路脚本CSPathFindManager_AStar.CS 　　2.Panel 　　　　 　　　　这里我用的是UGUI创建的Panel，主要是用来生成寻路点，挂载生成脚本CopyManager.CS 　　3.Node 　　　　 　　　　UGUI创建的Image，用的纯色，用来充当路径点，挂载路径点脚本CSNode.CS 　　4.F/G/H/Pos/Index 　　　　 　　　　UGUI创建的Text，通过修改文件对齐方式，使他们的文字分别位于Node的上下左右和中间，用来方便显示相关的值 二、Unity UI显示代码 1 using System; 2 using System